利用混合高斯进行物体成分拟合匹配的算法

为了寻求代价更小、效率更高、适应性更强的图像原型表征方法,借鉴成分识别理论的观点,设计出一种更符合人类认知原理、更具有可理解性的物体拟合算法。利用二维高斯混合函数,用高斯成分来拟合物体的边缘图像,使得物体的表征由单一的像素表示转变为利用成分进行表征的方式。为了使得拟合结果更具有健壮性,在算法中还引入了分裂-归约机制来对拟合结果进行修正。实验结果表明,这种拟合手段能够很好地描述物体的特征成分,为图像进行后期的高级语义处理奠定了基础。     

基于粒子群优化算法的灰色模型在电力负荷预测中的应用

传统的灰色预测模型GM(1,1)在预测增长速度较快的电力负荷变化时,预测精度会大幅下降。针对GM(1,1)的这一局限性,本文引入了粒子群优化算法与传统的GM(1,1)相结合来求解灰色模型中的参数。通过对三组不同电力负荷的实例仿真,证明该模型在预测增长速度较快的电力负荷时具有较高的预测精度。